我在8xH100上做的测试，用的Qwen2.5-7B-base，1个卡放reference model，4个卡rollout，3个卡训练。
由于原始参数下会OOM，下面是我现在的主要参数设定：
beta = 0.04
all_steps = 1000
Q_batch_size = 4
num_pre_Q = 8
train_batch_size = 2
gen_update_steps = 16
save_steps = 200
compute_gen_logps = True
clip_param = 0.2
gradient_accumulation_steps = 4
lr = 1e-6
max_tokens = 700
我花了约1个小时使用gsm训练了800步，gsm用evalscope上测试的准确率只从0.08涨到了0.14，没有达到这里Readme中的效果，请问是因为我的参数设置问题吗？如果是的话有没有办法优化。
我在8xH100上做的测试，用的Qwen2.5-7B-base，1个卡放reference model，4个卡rollout，3个卡训练。
由于原始参数下会OOM，下面是我现在的主要参数设定：
beta = 0.04
all_steps = 1000
Q_batch_size = 4
num_pre_Q = 8
train_batch_size = 2
gen_update_steps = 16
save_steps = 200
compute_gen_logps = True
clip_param = 0.2
gradient_accumulation_steps = 4
lr = 1e-6
max_tokens = 700
我花了约1个小时使用gsm训练了800步，gsm用evalscope上测试的准确率只从0.08涨到了0.14，没有达到这里Readme中的效果，请问是因为我的参数设置问题吗？如果是的话有没有办法优化。